La región de América del Norte se encuentra en una posición de liderazgo como se esperaba.
Escrito por: Samora Kariuki
Compilado por: Shenchao TechFlow
La ola global de la IA
¿Cómo utilizan los bancos la IA generativa en la práctica?
Si dejamos de lado los titulares y la especulación, la esencia del problema es: ¿cómo utilizan los bancos más grandes del mundo la IA generativa? No se trata del potencial futuro, ni de la publicidad de los proveedores, sino de dónde están las aplicaciones prácticas ya implementadas.
En los últimos dos años, la industria financiera global ha entrado silenciosamente en la era de la IA generativa. Sin embargo, este proceso no ha sido uniforme, sino que ha mostrado un patrón de diferencias internas y externas: el despliegue discreto de herramientas internas, las pruebas cautelosas orientadas al cliente y algunas innovaciones audaces están remodelando gradualmente la estructura interna de la banca.
Comenzar desde adentro y luego expandirse gradualmente.
La aplicación de la IA tiene un punto en común: comienza como una herramienta de productividad interna.
Las principales aplicaciones de la IA generativa se centran en mejorar la productividad interna: estas herramientas ayudan a los empleados a hacer más trabajo con menos recursos. Desde el asistente analista de JPMorgan que analiza investigaciones sobre acciones, hasta las herramientas impulsadas por GPT que Morgan Stanley ofrece a sus asesores de gestión de patrimonio, el énfasis inicial ha estado en empoderar a los profesionales bancarios, en lugar de reemplazarlos.
Goldman Sachs está construyendo un asistente de IA para desarrolladores; la herramienta de resumen de IA de Citi ayuda a los empleados a gestionar memorandos y redactar correos electrónicos; "SC GPT" de Standard Chartered ya está en funcionamiento entre sus 70,000 empleados, abarcando desde la redacción de propuestas hasta cuestiones de recursos humanos.
Dada la alta regulación en la que nos encontramos, el despliegue de herramientas internas resulta especialmente razonable. Esto permite a los bancos experimentar y mejorar sus capacidades de IA sin cruzar la línea roja regulatoria. Si tomamos como referencia la reciente acción del CBN (Banco Central de Nigeria) contra Zap, entonces "la precaución es lo mejor" es claramente una opción más sabia.
Observación de la línea de negocio: ¿dónde está el valor?
La adopción de la IA varía de un sector a otro. Existen diferencias en la velocidad a la que la IA generativa está siendo adoptada por las distintas unidades de negocio. Entre ellos, los bancos minoristas están liderando el camino en términos de volumen de transacciones. En este espacio, los chatbots generativos impulsados por IA como Fargo de Wells Fargo y Erica de Bank of America manejan cientos de millones de interacciones cada año. En Europa, Commerzbank lanzó recientemente su propio chatbot, Ava.
Sin embargo, el problema es que algunas de estas herramientas en realidad no utilizan inteligencia artificial generativa, sino que dependen de técnicas de aprendizaje automático tradicionales. Por ejemplo, Erica de Bank of America funciona más como un "Turco Mecánico" (Mechanical Turk, que implica la ilusión de automatización a través de la intervención humana). A pesar de ello, lo importante son estos experimentos en sí mismos, y no las etiquetas tecnológicas.
En el ámbito empresarial y bancario de inversión, la transformación es más sutil. Las herramientas internas de JPMorgan están diseñadas principalmente para apoyar a los equipos de investigación y ventas, en lugar de estar dirigidas directamente a los clientes. Por otro lado, Deutsche Bank utiliza la IA para analizar los registros de comunicación de los clientes, lo que no es servicio al cliente, sino empoderamiento de datos, ayudando a los banqueros a entender y servir a los clientes de manera más rápida y eficaz.
La gestión de patrimonios se sitúa entre ambos. Las herramientas de IA de Morgan Stanley no interactúan directamente con los clientes, pero aseguran que los asesores estén bien preparados antes de cada reunión. Deutsche Bank y First Abu Dhabi Bank están probando asistentes para clientes VIP, destinados a responder en tiempo real a preguntas complejas sobre inversiones.
Diferencias regionales: ¿quién está liderando?
Fuente: Evident AI Index
Las instituciones en América del Norte están liderando como se esperaba. Los bancos de EE. UU., como JPMorgan, Capital One, Wells Fargo, Citi y Royal Bank of Canada (RBC), han convertido la IA en un motor de productividad. Gracias a su colaboración con OpenAI y Microsoft, han tenido acceso a los modelos de IA más avanzados.
Europa es más cautelosa. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank y HSBC están realizando pruebas internas de herramientas de IA y han establecido más medidas de seguridad. El Reglamento General de Protección de Datos (GDPR) tiene un impacto profundo en ello. Como siempre, Europa se enfoca más en la regulación que en el avance tecnológico, lo que podría costarle caro.
África y América Latina aún se encuentran en las primeras etapas del desarrollo de la IA, pero el progreso es rápido. Nubank de Brasil se destaca, asociándose con OpenAI para implementar herramientas de IA en las instalaciones y, finalmente, expandirse al servicio al cliente. En Sudáfrica, Standard Bank y Nedbank están probando la IA en el control de riesgos, los servicios de soporte y el desarrollo.
China: Construyendo un stack tecnológico de IA autónoma
Los bancos de China no solo están utilizando IA, sino que también están construyendo una pila de tecnología de IA.
El Banco Industrial y Comercial de China (ICBC) ha lanzado Zhiyong, un gran modelo de lenguaje con 100.000 millones de parámetros, desarrollado internamente. El modelo ha sido invocado más de mil millones de veces y es compatible con 200 escenarios empresariales, desde el análisis de documentos hasta la automatización del marketing. No es solo una aplicación de herramientas internas, es un cambio fundamental en la forma en que operan los bancos.
Ant Group ha lanzado dos grandes modelos de lenguaje en el campo financiero: Zhixiaobao 2.0 y Zhixiaozhu 1.0. El primero está dirigido a los usuarios comunes de Alipay y tiene como objetivo explicar productos financieros; el segundo proporciona apoyo a los asesores de gestión patrimonial, pudiendo resumir informes de mercado y generar ideas sobre carteras de inversión.
Ping An Group, un gigante fintech que integra seguros, banca y tecnología, ha ido más allá. Desarrolló AskBob, un asistente de IA generativa que atiende tanto a clientes como a gestores de cuentas. Para los clientes, AskBob puede responder preguntas sobre inversiones y seguros en chino natural; Para los asesores, extrae y resume el historial del cliente, los datos de productos y los materiales de marketing, transformando a cada agente en un experto financiero mejorado digitalmente. El objetivo de Ping An es redefinir la consultoría financiera a través de la IA, no solo para responder preguntas, sino para anticipar la demanda con anticipación.
En China, el marco regulatorio fomenta fuertemente la localización de datos y la transparencia de los modelos. Estas instituciones han optado por un camino a largo plazo: construir una inteligencia artificial personalizada que pueda adaptarse a la regulación interna, el idioma y el entorno del mercado. Además, China cuenta con una densidad de talento suficiente que permite a los bancos desarrollar de manera independiente modelos básicos, lo que podría ser un logro único a nivel mundial.
¿Quién está proporcionando soporte técnico?
Algunas empresas conocidas aparecen con frecuencia a nivel mundial: Microsoft se ha convertido en la plataforma más común a través de Azure OpenAI. Desde Morgan Stanley hasta Standard Chartered, muchos bancos están ejecutando sus modelos en el entorno seguro de Microsoft.
Los LLM (modelos de lenguaje a gran escala) de Google también están siendo utilizados, como el uso de Flan por parte de Wells Fargo. En China, se depende principalmente de tecnologías locales, como DeepSeek y Hunyuan.
Algunos bancos, como JPMorgan Chase, Industrial and Commercial Bank of China y Ping An Group, están entrenando sus propios modelos. Pero la mayoría de los bancos están afinando sus modelos existentes. La clave no es poseer el modelo en sí, sino controlar la coordinación de la capa de datos y el modelo.
Exploración de la diversificación de aplicaciones de IA a nivel mundial
La imagen original se encuentra en el texto original, traducción: Shenchao TechFlow
¿Y qué?
En un sector altamente regulado, la precaución es crucial, por lo que los bancos están recurriendo a la IA en lugar de estar directamente en primera línea. Sin embargo, como hemos observado en otros cambios de plataforma, la toma de decisiones decisiva y la experimentación rápida son clave. La regulación nunca se adelanta a la aplicación de la ley, y no es prudente esperar a que la regulación esté en vigor antes de experimentar con la IA. Recuerdo haber creado una banca de agencia hace más de una década en un país donde no había regulación. Una vez que terminamos, nos convertimos en los que explicamos el negocio al banco central. Si yo fuera miembro de la junta directiva de un banco, preguntaría: "¿Cuántos experimentos estamos haciendo?" ¿Cuántos insights estamos generando?"
Para medir realmente el progreso, es necesario regresar a los principios fundamentales de la transformación de la plataforma. Tu estrategia de IA debe responder a las siguientes preguntas:
"¿Nuestra estrategia de IA ha reconstruido la arquitectura central? ¿Ha reducido los costos en 100 veces? ¿Ha desbloqueado nuevos modelos de valor? ¿Ha estimulado la conexión del ecosistema? ¿Ha perturbado el mercado? ¿Ha logrado la democratización del acceso?"
La lógica es clara: el escepticismo es necesario, pero tanto la lógica como los hechos sugieren que la IA es un nuevo cambio de plataforma. Además, la lógica y los hechos también muestran que los cambios de plataforma en el pasado a menudo han llevado a cambios revolucionarios en los mercados financieros. Citibank, por ejemplo, amplió significativamente su negocio minorista con el uso de la tecnología en los años 70 y 80. Capital One ha crecido desde cero hasta convertirse en uno de los 10 principales bancos del mercado y tiene una fuerte presencia en industrias relacionadas, como préstamos para automóviles e hipotecas. En África, Equity Bank ha aprovechado la ola de la tecnología cliente-servidor para convertirse en el banco más grande por capitalización de mercado en África Oriental. Del mismo modo, Access Bank, GT Bank y Capitec se han subido a la ola en sus respectivos mercados.
La era de las plataformas de IA ha llegado, y creará ganadores. El enfoque no está en los perdedores, sino en cómo los ganadores ocupan una participación de mercado significativa en campos específicos. Por ejemplo, el éxito de Stripe en el campo de los pagos es un caso típico. Estos avances iniciales a menudo conducen al crecimiento de la participación de mercado en campos adyacentes, como Nubank, que se ha convertido en un jugador importante en el ámbito de las pequeñas y medianas empresas y la banca minorista a través de su negocio de tarjetas de crédito.
Mi opinión es que los ganadores en la era de la IA se centrarán en los costes de las relaciones. Ya no es solo un juego de trading. Las transacciones ya se han realizado y ahora son un juego de experiencia del cliente y gestión de relaciones. Esta es la idea central en la que deben centrarse los líderes de servicios financieros. ¿Cómo puede lograr una mejora de 100 veces en la experiencia del cliente y la banca relacional a una fracción del costo? Como banco, ¿cómo puede aprovechar la tecnología inteligente para ayudar mejor a los clientes a administrar sus finanzas, negocios y vidas? El jugador que sea capaz de responder y ejecutar estas preguntas será el ganador final.
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Los gigantes bancarios de China y Estados Unidos están adoptando la IA generativa
Escrito por: Samora Kariuki
Compilado por: Shenchao TechFlow
La ola global de la IA
¿Cómo utilizan los bancos la IA generativa en la práctica?
Si dejamos de lado los titulares y la especulación, la esencia del problema es: ¿cómo utilizan los bancos más grandes del mundo la IA generativa? No se trata del potencial futuro, ni de la publicidad de los proveedores, sino de dónde están las aplicaciones prácticas ya implementadas.
En los últimos dos años, la industria financiera global ha entrado silenciosamente en la era de la IA generativa. Sin embargo, este proceso no ha sido uniforme, sino que ha mostrado un patrón de diferencias internas y externas: el despliegue discreto de herramientas internas, las pruebas cautelosas orientadas al cliente y algunas innovaciones audaces están remodelando gradualmente la estructura interna de la banca.
Comenzar desde adentro y luego expandirse gradualmente.
La aplicación de la IA tiene un punto en común: comienza como una herramienta de productividad interna.
Las principales aplicaciones de la IA generativa se centran en mejorar la productividad interna: estas herramientas ayudan a los empleados a hacer más trabajo con menos recursos. Desde el asistente analista de JPMorgan que analiza investigaciones sobre acciones, hasta las herramientas impulsadas por GPT que Morgan Stanley ofrece a sus asesores de gestión de patrimonio, el énfasis inicial ha estado en empoderar a los profesionales bancarios, en lugar de reemplazarlos.
Goldman Sachs está construyendo un asistente de IA para desarrolladores; la herramienta de resumen de IA de Citi ayuda a los empleados a gestionar memorandos y redactar correos electrónicos; "SC GPT" de Standard Chartered ya está en funcionamiento entre sus 70,000 empleados, abarcando desde la redacción de propuestas hasta cuestiones de recursos humanos.
Dada la alta regulación en la que nos encontramos, el despliegue de herramientas internas resulta especialmente razonable. Esto permite a los bancos experimentar y mejorar sus capacidades de IA sin cruzar la línea roja regulatoria. Si tomamos como referencia la reciente acción del CBN (Banco Central de Nigeria) contra Zap, entonces "la precaución es lo mejor" es claramente una opción más sabia.
Observación de la línea de negocio: ¿dónde está el valor?
La adopción de la IA varía de un sector a otro. Existen diferencias en la velocidad a la que la IA generativa está siendo adoptada por las distintas unidades de negocio. Entre ellos, los bancos minoristas están liderando el camino en términos de volumen de transacciones. En este espacio, los chatbots generativos impulsados por IA como Fargo de Wells Fargo y Erica de Bank of America manejan cientos de millones de interacciones cada año. En Europa, Commerzbank lanzó recientemente su propio chatbot, Ava.
Sin embargo, el problema es que algunas de estas herramientas en realidad no utilizan inteligencia artificial generativa, sino que dependen de técnicas de aprendizaje automático tradicionales. Por ejemplo, Erica de Bank of America funciona más como un "Turco Mecánico" (Mechanical Turk, que implica la ilusión de automatización a través de la intervención humana). A pesar de ello, lo importante son estos experimentos en sí mismos, y no las etiquetas tecnológicas.
En el ámbito empresarial y bancario de inversión, la transformación es más sutil. Las herramientas internas de JPMorgan están diseñadas principalmente para apoyar a los equipos de investigación y ventas, en lugar de estar dirigidas directamente a los clientes. Por otro lado, Deutsche Bank utiliza la IA para analizar los registros de comunicación de los clientes, lo que no es servicio al cliente, sino empoderamiento de datos, ayudando a los banqueros a entender y servir a los clientes de manera más rápida y eficaz.
La gestión de patrimonios se sitúa entre ambos. Las herramientas de IA de Morgan Stanley no interactúan directamente con los clientes, pero aseguran que los asesores estén bien preparados antes de cada reunión. Deutsche Bank y First Abu Dhabi Bank están probando asistentes para clientes VIP, destinados a responder en tiempo real a preguntas complejas sobre inversiones.
Diferencias regionales: ¿quién está liderando?
Fuente: Evident AI Index
Las instituciones en América del Norte están liderando como se esperaba. Los bancos de EE. UU., como JPMorgan, Capital One, Wells Fargo, Citi y Royal Bank of Canada (RBC), han convertido la IA en un motor de productividad. Gracias a su colaboración con OpenAI y Microsoft, han tenido acceso a los modelos de IA más avanzados.
Europa es más cautelosa. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank y HSBC están realizando pruebas internas de herramientas de IA y han establecido más medidas de seguridad. El Reglamento General de Protección de Datos (GDPR) tiene un impacto profundo en ello. Como siempre, Europa se enfoca más en la regulación que en el avance tecnológico, lo que podría costarle caro.
África y América Latina aún se encuentran en las primeras etapas del desarrollo de la IA, pero el progreso es rápido. Nubank de Brasil se destaca, asociándose con OpenAI para implementar herramientas de IA en las instalaciones y, finalmente, expandirse al servicio al cliente. En Sudáfrica, Standard Bank y Nedbank están probando la IA en el control de riesgos, los servicios de soporte y el desarrollo.
China: Construyendo un stack tecnológico de IA autónoma
Los bancos de China no solo están utilizando IA, sino que también están construyendo una pila de tecnología de IA.
El Banco Industrial y Comercial de China (ICBC) ha lanzado Zhiyong, un gran modelo de lenguaje con 100.000 millones de parámetros, desarrollado internamente. El modelo ha sido invocado más de mil millones de veces y es compatible con 200 escenarios empresariales, desde el análisis de documentos hasta la automatización del marketing. No es solo una aplicación de herramientas internas, es un cambio fundamental en la forma en que operan los bancos.
Ant Group ha lanzado dos grandes modelos de lenguaje en el campo financiero: Zhixiaobao 2.0 y Zhixiaozhu 1.0. El primero está dirigido a los usuarios comunes de Alipay y tiene como objetivo explicar productos financieros; el segundo proporciona apoyo a los asesores de gestión patrimonial, pudiendo resumir informes de mercado y generar ideas sobre carteras de inversión.
Ping An Group, un gigante fintech que integra seguros, banca y tecnología, ha ido más allá. Desarrolló AskBob, un asistente de IA generativa que atiende tanto a clientes como a gestores de cuentas. Para los clientes, AskBob puede responder preguntas sobre inversiones y seguros en chino natural; Para los asesores, extrae y resume el historial del cliente, los datos de productos y los materiales de marketing, transformando a cada agente en un experto financiero mejorado digitalmente. El objetivo de Ping An es redefinir la consultoría financiera a través de la IA, no solo para responder preguntas, sino para anticipar la demanda con anticipación.
En China, el marco regulatorio fomenta fuertemente la localización de datos y la transparencia de los modelos. Estas instituciones han optado por un camino a largo plazo: construir una inteligencia artificial personalizada que pueda adaptarse a la regulación interna, el idioma y el entorno del mercado. Además, China cuenta con una densidad de talento suficiente que permite a los bancos desarrollar de manera independiente modelos básicos, lo que podría ser un logro único a nivel mundial.
¿Quién está proporcionando soporte técnico?
Algunas empresas conocidas aparecen con frecuencia a nivel mundial: Microsoft se ha convertido en la plataforma más común a través de Azure OpenAI. Desde Morgan Stanley hasta Standard Chartered, muchos bancos están ejecutando sus modelos en el entorno seguro de Microsoft.
Los LLM (modelos de lenguaje a gran escala) de Google también están siendo utilizados, como el uso de Flan por parte de Wells Fargo. En China, se depende principalmente de tecnologías locales, como DeepSeek y Hunyuan.
Algunos bancos, como JPMorgan Chase, Industrial and Commercial Bank of China y Ping An Group, están entrenando sus propios modelos. Pero la mayoría de los bancos están afinando sus modelos existentes. La clave no es poseer el modelo en sí, sino controlar la coordinación de la capa de datos y el modelo.
Exploración de la diversificación de aplicaciones de IA a nivel mundial
La imagen original se encuentra en el texto original, traducción: Shenchao TechFlow
¿Y qué?
En un sector altamente regulado, la precaución es crucial, por lo que los bancos están recurriendo a la IA en lugar de estar directamente en primera línea. Sin embargo, como hemos observado en otros cambios de plataforma, la toma de decisiones decisiva y la experimentación rápida son clave. La regulación nunca se adelanta a la aplicación de la ley, y no es prudente esperar a que la regulación esté en vigor antes de experimentar con la IA. Recuerdo haber creado una banca de agencia hace más de una década en un país donde no había regulación. Una vez que terminamos, nos convertimos en los que explicamos el negocio al banco central. Si yo fuera miembro de la junta directiva de un banco, preguntaría: "¿Cuántos experimentos estamos haciendo?" ¿Cuántos insights estamos generando?"
Para medir realmente el progreso, es necesario regresar a los principios fundamentales de la transformación de la plataforma. Tu estrategia de IA debe responder a las siguientes preguntas:
"¿Nuestra estrategia de IA ha reconstruido la arquitectura central? ¿Ha reducido los costos en 100 veces? ¿Ha desbloqueado nuevos modelos de valor? ¿Ha estimulado la conexión del ecosistema? ¿Ha perturbado el mercado? ¿Ha logrado la democratización del acceso?"
La lógica es clara: el escepticismo es necesario, pero tanto la lógica como los hechos sugieren que la IA es un nuevo cambio de plataforma. Además, la lógica y los hechos también muestran que los cambios de plataforma en el pasado a menudo han llevado a cambios revolucionarios en los mercados financieros. Citibank, por ejemplo, amplió significativamente su negocio minorista con el uso de la tecnología en los años 70 y 80. Capital One ha crecido desde cero hasta convertirse en uno de los 10 principales bancos del mercado y tiene una fuerte presencia en industrias relacionadas, como préstamos para automóviles e hipotecas. En África, Equity Bank ha aprovechado la ola de la tecnología cliente-servidor para convertirse en el banco más grande por capitalización de mercado en África Oriental. Del mismo modo, Access Bank, GT Bank y Capitec se han subido a la ola en sus respectivos mercados.
La era de las plataformas de IA ha llegado, y creará ganadores. El enfoque no está en los perdedores, sino en cómo los ganadores ocupan una participación de mercado significativa en campos específicos. Por ejemplo, el éxito de Stripe en el campo de los pagos es un caso típico. Estos avances iniciales a menudo conducen al crecimiento de la participación de mercado en campos adyacentes, como Nubank, que se ha convertido en un jugador importante en el ámbito de las pequeñas y medianas empresas y la banca minorista a través de su negocio de tarjetas de crédito.
Mi opinión es que los ganadores en la era de la IA se centrarán en los costes de las relaciones. Ya no es solo un juego de trading. Las transacciones ya se han realizado y ahora son un juego de experiencia del cliente y gestión de relaciones. Esta es la idea central en la que deben centrarse los líderes de servicios financieros. ¿Cómo puede lograr una mejora de 100 veces en la experiencia del cliente y la banca relacional a una fracción del costo? Como banco, ¿cómo puede aprovechar la tecnología inteligente para ayudar mejor a los clientes a administrar sus finanzas, negocios y vidas? El jugador que sea capaz de responder y ejecutar estas preguntas será el ganador final.